En este documento, nos enfocamos en desarrollar procedimientos de modelado basados en cópulas que capturen de manera efectiva la dependencia entre las variables de respuesta y explicativas. A partir del trabajo de Noh et al. (J. Am. Stat. Assoc. 2013, 108, 676-688) ampliamos la regresión basada en cópulas para acomodar tanto covariables continuas como discretas. Específicamente, exploramos la construcción de cópulas para estimar la media condicional de la variable de respuesta dadas las covariables, elucidando la relación entre las estructuras de cópulas y las distribuciones marginales. Consideramos varios métodos de estimación para cópulas y funciones de distribución, presentando una amplia gama de estimadores para la función de media condicional. Estos estimadores van desde no paramétricos hasta semi-paramétricos y completamente paramétricos, ofreciendo flexibilidad en el modelado de relaciones de regresión. Se aplica un algoritmo adaptado para construir cópulas y se realizan simulaciones para replicar conjuntos de datos, estimar parámetros del modelo de predicción y comparar con el método de MCO. La practicidad y eficacia de nuestras metodologías propuestas, fundamentadas en los principios de la regresión basada en cópulas, se sustentan a través de estudios sistemáticos de simulación.